IDENTIFIKASI TINGKAT KEMATANGAN BUAH NAGA MERAH MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERBASIS RGB

Buah naga merah merupakan komoditas tropis yang populer karena nilai
gizinya yang tinggi dan rasa yang khas. Penelitian ini mengembangkan sistem
berbasis pengolahan citra menggunakan metode K-Nearest Neighbor (K-NN)
dengan analisis warna RGB. Algoritma K-Nearest Neighbor (KNN) adalah metode
sederhana dalam pembelajaran mesin yang digunakan untuk mengklasifikasikan
data. Cara kerjanya adalah dengan mencari sejumlah K terdekat dari data yang ingin
diklasifikasikan, dengan menentukan kelas berdasarkan mayoritas dari data
terdekat tersebut. Semakin banyak data yang termasuk dalam kelas tertentu, maka
data baru akan dikategorikan ke dalam kelas tersebut. Proses identifikasi citra buah
naga dimulai dengan akuisi citra, preprocessing, ekstraksi fitur RGB dan klasifikasi
menggunakan algoritma K-NN. Dataset yang digunakan terdiri dari 75 citra untuk
data latih dan 30 citra untuk data uji. Hasil evaluasi akurasi yang dilakukan terhadap
dataset menggunakan metode confusion matrix didapatkan nilai akurasi pada K= 8
sebesar 96,67%. Hal ini membuktikan bahwa algoritma K-NN efektif dalam
mengklasifikasikan tingkat kematangan buah naga berdasarkan fitur warna RGB.